移动边缘计算中面向移动感知的计算卸载策略研究

作     者：班玉琦 

作者单位：太原理工大学 

学位级别：硕士

导师姓名：李爱萍

授予年度：2023年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

主      题：移动边缘计算 计算卸载 移动感知 卸载算法 无人机辅助计算卸载 

摘      要：移动边缘计算中的计算卸载旨在将用户设备上的计算任务迁移至移动网络边缘上的边缘服务器执行以提升用户体验质量。基于5G技术的一系列新型应用要求计算过程支持设备的高速移动性,而目前计算卸载方案的研究却大多集中于静态或准静态场景。由于用户移动过程中网络服务切换的多变性与信道状态的不稳定性,移动性支持的实现会为计算卸载方案的设计与部署带来诸多挑战,准静态场景下的卸载决策会由于用户的移动性导致卸载效用下降甚至任务卸载失败。因此,研究移动边缘计算场景下支持用户设备移动性的计算卸载方案对提升新型应用的服务质量起着至关重要的作用。本文基于超密集网络与无人机辅助卸载两类场景入手,结合任务需求、计算及通信资源限制、时延与能耗约束条件等因素,提出两种支持设备移动性的计算卸载方案。主要研究内容如下:(1)首先,在多设备与多边缘服务器的超密集网络场景下,针对移动边缘计算中考虑设备移动轨迹的计算卸载问题,提出一种启发式的卸载服务器选择方案与资源分配方案。文中结合设备移动性、计算与通信资源、信道状态及任务需求等因素将该场景下的计算卸载问题建模为混合整数非线性规划问题。为降低求解难度将上述问题分解为卸载服务器选择问题和固定服务器选择方案下的计算资源分配与子信道选择问题。采用凸优化技术及改进的Kuhn-Munkres算法对子问题进行求解,并基于子问题的解设计启发式卸载服务器选择算法,以多项式时间复杂度获得次优卸载方案。通过Edge Cloud Sim工具对本文卸载策略进行仿真,并与常用的其他5种卸载算法进行对比。实验结果表明,算法在满足任务的实时性要求下,与穷举法的平均系统效用差距能控制在2.3%内。同时在后续的实验中分析了提出的卸载方案在不同任务类型下的性能与算法的适用场景。(2)其次,在热点区域随设备移动性变化的无人机辅助卸载场景中,针对用户设备端任务的长期执行时延优化问题,提出一种综合考虑无人机部署数量与位置的任务卸载方案。文中结合用户与无人机双端移动性、设备电量约束、任务迁移方案等因素,建立卸载系统中用户端任务执行时延的长期优化问题系统模型。根据优化问题,计算卸载方案首先根据无人机与基站端计算能力确定场景中无人机数量,并将热点区域确定问题转化为最大团问题以确定无人机部署位置与悬停高度。之后基于每个时间段内无人机的部署方案,将不同覆盖范围内的任务分类后设计了任务的卸载决策与资源分配策略。最后通过仿真实验对计算卸载方案进行仿真,在三类场景中与其余4种算法对比证明了无人机部署方案与计算卸载策略的有效性。